← 部落格

工程筆記

Claude Dreaming：Agent 如何在離線階段整理長期記憶

AI Engineering 發布日期 閱讀時間 閱讀約 4 分鐘 更新

Claude Dreaming：Agent 如何在離線階段整理長期記憶

Anthropic 在 2026 年 Code w/ Claude 發布 Dreaming：一個排程執行的背景程序，會回顧過去的 Agent 會話、找出模式，並整理持久記憶。這個方向呼應 Andrej Karpathy 常用的比喻——人類會在睡眠中整合白天經驗，而 Agent 若只依賴當前 Context Window，每次新會話都得重新建立背景。

先釐清產品邊界：Anthropic 的官方發布把 Dreaming 列為 Claude Managed Agents 的能力，官方議程也以「self-learning agents」的記憶架構介紹它；這不等於所有 Claude Code 使用者都已有相同的通用內建功能。本文後半的 Dream Gate 是可自行實作的架構模式，不是 Anthropic 官方操作指南。

1. 為什麼不該只靠同步記憶

常見做法是維護 MEMORY.md，並要求 Agent 在完成任務時順便寫入偏好或規則。這種 in-band memory 很直覺，但有三個結構性問題：

  1. 注意力競爭：Agent 同時要完成任務、判斷何者值得保留，還要編輯記憶；任務與反思共用同一段 Context 與失敗預算。
  2. 只看單一會話：某次對話中的決定可能只是例外。若未比較多個會話，很難判斷它是長期規則、暫時 workaround，還是已被推翻的舊結論。
  3. 重複、衝突與過時：不同會話可能對同一主題寫入不一致規則；若沒有來源、日期與淘汰機制，記憶檔會逐漸變成無法稽核的提示詞堆積。

非同步整理的價值，是讓系統在更完整的證據範圍內處理這三類問題，而不是宣稱 Agent 因此「自我進化」。

2. Dreaming 真正做的是什麼

依 Anthropic 的官方發布，Dreaming 是排程程序：回顧過去 Agent Sessions、浮現重複模式並整理記憶。官方會議場次則把重點放在 Dreaming 如何驗證與豐富跨會話記憶。

工程上可把流程拆成四步：

  1. 蒐集：讀取允許納入的近期會話與既有記憶。
  2. 歸納：提出可能值得保留的偏好、慣例、失敗模式與未決事項。
  3. 核對：檢查來源、時間、衝突與適用範圍，避免把一次性狀況升格為永久規則。
  4. 寫入或提案：低風險項目更新持久記憶；高影響項目送人工審核。

這種流程改善的是 下次執行時可取得的上下文。它沒有對基礎模型做持續訓練，也不能保證整理後的內容正確、完整或永不過時。

3. 自建可審核的 Dream Gate

若工具尚未提供相同能力，可以用夜間或低流量排程實作一個保守版本。不要直接覆寫 MEMORY.md；先輸出 DREAM_REPORT.md，把每項建議當成可審查的變更：

  1. 讀取明確授權且在保留期限內的會話紀錄。
  2. 將候選記憶與現有規則比較，標示新增、修改、合併與刪除。
  3. 每項候選都附來源會話、日期、適用專案與信心說明。
  4. 對矛盾內容保留雙方證據，不讓模型自行選一方覆蓋。
  5. 只有錯字或確定重複等可逆變更可自動套用；架構決策、權限、偏好與刪除一律等待核准。

最低限度還應具備：敏感資訊遮罩、資料保留期限、刪除請求、版本控制、回滾，以及「哪些會話不得進入記憶」的明確政策。

4. 如何判斷它是否真的有幫助

不要以「記憶檔變長」作為成功指標。可建立一組跨會話任務，觀察：

  • 正確喚回率：該取用的記憶是否被取用
  • 錯誤套用率：過時或跨專案規則是否被誤用
  • 衝突發現率：新舊決策矛盾是否被標示
  • 人工接受率：Dream Report 的提案有多少值得採用
  • 復原能力：錯誤寫入後是否能追到來源並回滾

若錯誤套用率上升，更多記憶不代表更好的 Agent。批次整理的真正門檻，是把記憶視為需要治理的資料產品，而不是無限增長的提示詞。

結語

Dreaming 提供了一個重要的架構訊號：長時間運作的 Agent 需要獨立的記憶維護週期。它能把跨會話整理從臨時提示詞提升為正式系統能力，但不能取代驗證、權限、人工責任與淘汰機制。

最精確的說法不是「Agent 把經驗寫進自己的神經元」，而是：系統把可追溯的會話證據整理成下次可用、可撤回的外部記憶。

來源與延伸閱讀

沿著相近的架構、實作與工程決策繼續閱讀。

歡迎演講、企業內部技術分享與架構交流；可以先查看我適合分享的主題與公開工程成果。

演講與聯絡